Claude Managed Agents：它是什么、能做什么，以及 Eigent 如何提供本地替代方案

2026 年 4 月 1 日，Anthropic 悄然发布了 Claude 平台自模型本身以来最重要的新增功能之一：Claude Managed Agents。这不是一个新模型，而是一种运行 Claude 的新方式。你不再只是通过 Messages API 发送提示并接收回复，而是可以将 Claude 作为一个完全自治的 Agent 部署到托管云基础设施中，享受持久会话、内置工具以及多 Agent 编排能力。

对于正在构建 AI 驱动产品的开发者来说，这意味着一次重要转变。对于正在评估如何将自治 Agent 集成到工作流中的团队来说，这也带来了关于控制权、成本和供应商锁定的重要问题。

在这篇文章中，我们将拆解 Claude Managed Agents 到底是什么、支持什么、适合谁，以及——最后——Eigent 的 Add Worker 功能如何结合 CAMEL-AI 的开源框架，提供一种本地优先的替代方案，在无需云依赖的情况下实现类似能力。

什么是 Claude Managed Agents？

Claude Managed Agents 是一个完全托管的运行时，用于构建和部署由 Claude 驱动的自治 AI Agent。你无需自己搭建 Agent 循环、工具执行层、沙箱和编排逻辑，Anthropic 以服务形式提供了全部基础设施。

可以这样理解：Messages API 给你的是一个可以对话的模型；而 Claude Managed Agents 给你的是一个可以行动的模型——它可以读取文件、运行 shell 命令、搜索网页，并在 Anthropic 为你配置和管理的安全云容器中执行代码。

该服务目前处于 Beta 阶段，所有 API 请求都需要携带 managed-agents-2026-04-01 header。默认情况下，所有 Anthropic API 账户都可以使用，但某些高级功能（outcomes、multiagent 和 memory）仍处于受限访问的研究预览阶段。

核心概念：它是如何工作的

Claude Managed Agents 围绕四个基础原语构建，你可以通过它们组合出自治工作流。

Agents

Agent 是一个可复用的配置，用于定义模型（例如 claude-sonnet-4-6）、system prompt、可用工具、任何 MCP server 连接以及 skills。你只需创建一次 Agent，然后在多个会话中通过 ID 引用它。Agent 支持版本管理，因此你可以在不破坏现有会话的情况下持续迭代配置。

Environments

Environment 是一个云容器模板。你可以为它配置预装软件包（Python、Node.js、Go 等）、网络访问规则以及挂载文件。会话启动时，Anthropic 会根据你的 environment 模板提供一个全新的容器。这就是你的 Agent 实际运行的地方——它的 sandbox。

Sessions

Session 是 Agent 在某个 Environment 中运行的实例。它是真正的执行上下文，Claude 会在其中采取行动、生成文件、运行命令并产出结果。Session 具有状态：文件系统会在交互之间持久保留，完整的对话历史也会保留在服务端。

Events

Events 是你的应用与运行中 Agent 之间的通信层。你通过事件发送用户消息。Claude 会通过 server-sent events（SSE）流式返回响应、工具调用和状态更新。你还可以在执行过程中通过发送额外事件来引导或中断 Agent——无需终止会话即可重新定向其工作。

它支持哪些工具？

Claude Managed Agents 内置了一套全面的工具集，覆盖最常见的 Agent 操作。

默认工具集（agent_toolset_20260401）包括：Bash，用于在容器中执行 shell 命令；Read，用于读取本地文件系统中的文件；Write，用于写入文件；Edit，用于在文件中进行字符串替换；Glob，用于文件模式匹配；Grep，用于基于正则表达式的文本搜索；Web Fetch，用于从 URL 获取内容；以及 Web Search，用于搜索网页。

所有工具默认启用，但你可以进行精细控制。你可以禁用特定工具（例如，为纯编码型 Agent 关闭 web_fetch），或者将默认状态改为关闭，仅启用你需要的工具。这可以通过 Agent 定义中的 configs 数组完成。

除了内置工具之外，Claude Managed Agents 还支持自定义工具——这与 Messages API 中的用户自定义工具模式相同。你定义工具契约（名称、描述、输入 schema），当 Claude 想要调用你的工具时，它会发出结构化请求。由你的应用执行该操作并将结果返回。模型不会直接执行自定义工具；你对实际运行的内容拥有完全控制权。

同样也支持 MCP（Model Context Protocol）server，让 Agent 通过标准化的 MCP 接口访问外部工具提供方和数据源。

多 Agent 编排

也许最强大的能力——目前仍处于研究预览阶段——是多 Agent 会话。它允许一个协调 Agent 将工作委派给其他专门 Agent，而这些 Agent 会在同一个容器和文件系统中各自独立的线程里运行。

实际使用方式如下：你创建多个 Agent——比如一个 "Engineering Lead" 协调器、一个 "Code Reviewer" Agent 和一个 "Test Writer" Agent。在定义协调器时，你将其他 Agent 列为 callable_agents。当你用协调器启动一个会话并向它分配任务时，它可以自主为 reviewer 和 test writer 创建线程，并将具体子任务分派给它们。

每个 Agent 都拥有自己的模型、system prompt 和工具。线程具有持久性——协调器可以向之前调用过的 Agent 发送后续任务，而该 Agent 会保留完整上下文。会话级事件流会为你提供所有活动的压缩视图，而单独的线程流则让你深入查看某个具体 Agent 的推理过程和工具调用。

这里有一个值得注意的限制：系统只支持一层委派。协调器可以调用其他 Agent，但那些 Agent 不能继续向下委派。这使得编排图保持扁平且可预测。

Claude Managed Agents 适合谁？

Claude Managed Agents 面向特定类型的构建者和工作负载。

它适合将自治 Claude Agent 集成到产品和服务中的开发者。如果你正在构建一个需要 Claude 真正“行动”而不仅仅是“响应”的产品，并且希望由 Anthropic 负责基础设施（容器、工具执行、沙箱），这就是适合你的服务。

它非常擅长长时间运行的异步任务。一个 Session 可以持续几分钟甚至几小时，并执行多次工具调用，因此特别适合代码生成、研究流水线、数据处理和自动化分析等复杂工作流。

它也非常适合希望尽量减少基础设施开销的团队。你无需自己构建 Agent 循环、配置 sandbox 或处理工具执行，开箱即用即可获得全部能力。代价是对供应商的依赖——你的 Agent 运行在 Anthropic 的云上，你的数据会流经他们的基础设施，而且你会被锁定在 Claude 模型生态中。

它也适合已经在 Claude 生态中构建产品的团队。如果你已经在使用 Anthropic API，并希望在不额外管理基础设施的情况下扩展到 agentic workflow，那么 Managed Agents 是自然而然的下一步。

它的成本是多少

Claude Managed Agents 采用与 Messages API 相同的按 token 计费模式，并额外收取托管容器的基础设施费用。适用标准的组织级消费上限和基于等级的速率限制。创建端点限制为每个组织每分钟 60 次请求，读取端点限制为每个组织每分钟 600 次请求。

需要权衡什么：你应该考虑哪些因素

Claude Managed Agents 是一项工程质量很高的服务，但它天然带来一些权衡，这些权衡对某些团队和使用场景尤为重要。

云依赖。 你的 Agent 运行在 Anthropic 的基础设施上。每一次 prompt、文件和工具执行都会经过他们的云。对于数据治理要求严格、合规要求高或处理专有数据的团队来说，这可能是不可接受的。

模型锁定。 Managed Agents 只支持 Claude 模型。你不能混用 GPT 做代码生成、Gemini 做多模态任务，或使用 Ollama 本地模型。如果你的工作流重视模型多样性，就会受到限制。

规模化成本。 对于长时间运行的多 Agent 会话，token 成本加上容器基础设施成本会快速累积。该成本模型更适合低频、高价值任务，而不是高吞吐自动化。

Beta 阶段限制。 多 Agent 编排、outcomes 和 memory 都仍处于带受限访问的研究预览阶段。核心产品已经很成熟，但最强大的功能还没有全面开放。

没有本地选项。 目前没有自托管或本地部署方案。Managed 就是 Managed——你无法把它运行在自己的服务器上。

Eigent 的 Add Worker：基于 CAMEL-AI 打造的本地优先替代方案

对于希望获得类似能力——创建、配置并编排自治 AI Agent——但又不想依赖云或被供应商锁定的团队，Eigent 提供了一条根本不同的路径。

Eigent 是一个开源（Apache 2.0）的多 Agent AI cowork 平台，构建在 CAMEL-AI 之上，后者是业内标准的开源多 Agent 框架。Claude Managed Agents 将 Agent 基础设施作为云服务提供，而 Eigent 则将其作为一个完全运行在你本机上的桌面应用提供。

Add Worker 功能

Eigent 的 Add Worker 功能，相当于在 Claude Managed Agents 中创建一个 Agent 的本地版本。它的工作方式如下：

你在 Eigent 中进入 Workforce 页面并点击 "Add Worker"。然后为你的 worker 命名、提供描述，并分配一个 Agent Tool——通常是定义该 worker 能力的 MCP server。保存之后，你就拥有了一个可立即执行任务的专用 AI Agent。

例如，你可以创建一个由 GitHub MCP server 支持的 "GitHub Worker"，一个连接到 PostgreSQL 实例的 "Database Worker"，或者一个具备网页浏览能力的 "Research Worker"。每个 worker 都是一个专门的 Agent persona，可以单独调用，也可以作为协同多 Agent 工作流的一部分进行编排。

与 Claude Managed Agents 的关键区别在于：一切都在本地运行。你的文件不会离开你的机器。你的 prompts 不会发送到第三方编排服务。Agent 执行、工具调用和文件操作都发生在你的桌面上。

CAMEL-AI：多 Agent 引擎

Anthropic 构建的是专有编排运行时，而 Eigent 采用的是 CAMEL-AI——一个专为可靠性和可扩展性设计的开源多 Agent 框架。CAMEL-AI 负责处理多 Agent 协调中的难点：任务拆解、子任务路由、依赖管理以及并行执行。

当你向 Eigent 提交一个复杂任务时，CAMEL-AI 引擎会将其拆解为多个子任务，并分发给你配置好的各个 worker。Developer worker 负责编写代码，Browser worker 负责收集研究资料，Document worker 负责格式化输出——所有任务并行运行，并自动协调。

从架构上看，这与 Claude Managed Agents 的多 Agent 会话非常相似，但有三个关键区别：它运行在你的本地基础设施上，支持任何 LLM 提供商（Claude、GPT、Gemini、Ollama 等），而且编排框架本身是开源且完全可审计的。

对比：Claude Managed Agents vs Eigent Add Worker

什么时候 Eigent 更适合

如果你的团队需要数据主权——例如监管行业、专有代码库、敏感业务数据——使用 Eigent 在本地运行 Agent 可以彻底消除合规讨论。

如果你想要模型灵活性，Eigent 的模型无关架构意味着你可以为不同 worker 分配不同模型。复杂推理任务使用 Claude Opus，代码生成使用 GPT，隐私敏感操作使用本地 Ollama 模型——ทั้งหมด都能在同一个多 Agent 工作流中完成。

如果你更希望掌控自己的基础设施，Eigent 的开源技术栈（FastAPI、Electron、CAMEL-AI）意味着你可以检查、修改并扩展每一层。无需等待供应商发布功能。也没有 Beta 访问门槛。

如果成本在规模化阶段很重要，Eigent 是免费的。你只需为 worker 向模型提供商发起的 API 调用付费——如果你通过 Ollama 运行本地模型，则完全不需要付费。

结论

Claude Managed Agents 对于希望由 Anthropic 负责自治 Agent 执行基础设施的开发者来说，是一个很强的产品。它把难点——sandboxing、工具执行、会话管理和多 Agent 协调——封装成一个开箱即用的简洁 API。

但托管基础设施也意味着托管式权衡：云依赖、模型锁定，以及数据会经过第三方。对于需要控制权、隐私和灵活性的团队来说，这些权衡非常重要。

由 CAMEL-AI 开源多 Agent 框架驱动的 Eigent Add Worker 功能，在不受这些限制的情况下提供了同样的核心能力——创建、配置和编排自治 AI Agent。你可以在本机上、用自己的机器、使用任意模型提供商，并且拥有完整的源码透明度，来构建和管理你的 Agent。

这两种方案各有其适用场景。如果你想最快获得一个云端托管的 Claude Agent，Managed Agents 非常出色。如果你希望掌控自己的 Agent 基础设施并将数据保留在本地，Eigent 是一个值得评估的开源替代方案。